1.一种针对边缘网络应用环境的计算任务副本分发方法，其特征在于该方法包括如下步骤：第1、边缘计算网络任务模型的构建：

第1.1、采用轮盘赌算法来选择负载子任务的边缘节点；

第1.2、采用复制策略降低子任务的响应时间；

第2、边缘节点资源最优分配策略的设计：

第2.1、分两种情况来讨论边缘节点对子任务副本数目的分配；

第2.2、采用牛顿法获得每个子任务最优的副本数；

第2.3、采用粒子群优化算法获得每个子任务最优的副本数；

第3、网络负载均衡的副本分发策略的设计：

第3.1、采用一种改进的balls‑into‑bins过程；

第3.2、采用TWO‑CHOICE模型；

步骤第1.1中采用轮盘赌算法来选择负载子任务的边缘节点，即在网络初始化时，网络中所有的边缘节点都将向云服务中心发送自己通信范围内的可负载节点数量，那么，云服务中心在向边缘节点分发子任务时就需要考虑每个边缘节点可负载节点数量的多少，根据轮盘赌算法，可负载节点数量多的边缘节点被选择的概率就大；反之，被选择的概率就小；

步骤第1.2中采用复制策略降低子任务的响应时间，将边缘节点的子任务复制多个副本，发给该边缘节点通信范围内的其它可负载节点，采用最先响应的副本的计算结果，一旦有副本响应后，就马上通知其它可负载节点停止对应子任务的处理，并将计算结果传输给它所属的边缘节点；

步骤第2.1中分两种情况来讨论边缘节点对子任务副本数目的分配，由于每个边缘节点会承担多个子任务，那么就必须考虑边缘节点的资源如何最优的分配给每个子任务，使得用户任务在期望的时间内完成的概率最大，所以分两种情况来讨论边缘节点对子任务副本数目的分配：(1)边缘节点只分配了一个子任务；

对于只分配了一个子任务的边缘节点ei，假设这个子任务为s，复制它的成本为c，则该子任务的副本数的最大值为 在边缘节点只分配了一个子任务的情况下，将该子任务复制 个副本，并将这些副本分发给ei通信范围内的其它可负载节点；

(2)边缘节点分配了多个子任务；

假设对于边缘节点ei，分配了 个子任务，每个子任务用 表示，其中

每个子任务的复制成本为cj，那么每个子任务可复制的副本数最多为 用 表示子任务sj的副本的数量，则有 那么，边缘节点ei所负载的所有子任务要满足的条件如下：

如果子任务sj没有副本，那么 云服务中心用户的查询任务完成时间的历史日志给出期望的任务完成时间阈值τ，那么算法的优化目标就是使得任务的完成时间小于等于阈值τ的概率最大，云服务中心将用户任务划分为多个子任务，并采用轮盘赌算法将这些子任务发给网络中的边缘节点，对于边缘节点ei来说，它负载的子任务数量为 对于这 个子任务，假设每个子任务的完成时间为 又因为每个子任务有若干个副本，这些副本是并行执行的，每个子任务的完成时间依赖于它所有的副本中最先响应的那个副本的完成时间，所以 所以可得到如下优化问题：其中，因为边缘节点ei负载了 个子任务，所以这 个子任务完成时间的阈值为因为边缘节点ei负载的每个子任务都是相互独立的，所以：那么，优化问题(2)就可以转化成：

为了求解问题(4)，引入拉格朗日乘子将问题(4)转化成无约束的形式：

其中，μ是所引入的拉格朗日乘子，令 表示问题(5)的最优解，每个子任务在给定的时间阈值内完成的概率最大，即，将可用资源M分配给边缘节点ei的所有的子任务，那么将不等式约束变为等式约束，有如果 那么 不仅是问题(5)的解，也是问题(5)的最优解；

将问题(5)分解为 个子问题，那么每个子问题都可以表示成如下形式：

假设子任务sj的单个副本的完成时间的累积分布函数为 那么当给子任务sj分配个副本的时候就有：将(7)带入到问题(6)中，可以得到：

在 上是凹函数，并且非递减。

2.如权利要求1所述的针对边缘网络应用环境的计算任务副本分发方法，其特征在于，步骤第2.3中采用粒子群优化算法获得每个子任务最优的副本数，如果约束集是离散*点集的时候，μ并不一定存在，此时基于拉格朗日乘子的方法就不再适合求解问题(4)；

当边缘节点ei的所有子任务的复制成本均相同且全部为1的时候，M即为所有子任务的副本总数，那么对于子任务sj来说，有 因此，PSO算法需要搜索的解空间即为[1,M]，目标函数为 即使得任务在期望时间内完成的概率最大，PSO算法更新粒子速度的公式如下：

其中Vi_cur表示的是粒子在当前代的速度，Vi_pre表示的是粒子上一代的速度，w表示粒子的惯性权重，惯性权重越大则对粒子上一代的速度保留的越多，算法全局收敛能力就越强，c1表示粒子的个体学习因子，c2表示粒子的社会学习因子，rand为[0,1]之间的随机数，pib表示第i个粒子搜索到的最优位置，pgb表示整个粒子群到目前为止搜索到的最优位置，xi_pre表示粒子上一代的位置，粒子位置更新公式如下：xi_cur＝xi_pre+Vi_cur                      (10)接下来，采用PSO算法求解边缘节点ei的所有子任务最优副本数，使得资源最大化利用的同时，提高边缘节点对子任务的处理效率。

3.如权利要求2所述的针对边缘网络应用环境的计算任务副本分发方法，其特征在于，步骤第3.1中为了实现边缘节点的负载均衡，采用一种改进的balls‑into‑bins过程，基于balls‑into‑bins过程，每个子任务副本在分发之前都从d个随机选择的可负载节点查询负载信息，通过对这些负载信息进行对比，然后选择d个可负载节点中负载最小的那个可负载节点，对于子任务副本数等于可负载节点总数的情况，即 这种方式相比于直接随机选择可负载节点负载，可以使ei的可负载列表中的可负载节点的期望最大负载降低，如公式(11)所示，其中，Φ表示可负载节点的最大负载，n表示边缘节点ei的可负载节点列表的可负载节点总数，同样，对于子任务的副本数远大于可负载节点总数的情况，即 当从随机选择的d个可负载节点中选择负载最小的可负载节点时，那么相比于直接随机选择可负载节点负载，可负载节点的期望最大负载就会降低到：

4.如权利要求3所述的针对边缘网络应用环境的计算任务副本分发方法，其特征在于，步骤第3.2中，采用TWO‑CHOICE模型(d＝2＜n)，从所有可负载节点中随机选择d个可负载节点，并且为每个可负载节点定义了公平索引值，在选择最小负载的可负载节点的同时还会将每个可负载节点的公平索引值和整个网络的公平索引值进行对比，根据对比结果决定是否进行任务负载，同时使用负载阈值来选择可负载节点列表中的d个可负载节点进行任务负载，边缘节点ei根据公式(13)来计算可负载节点列表中每个可负载节点的负载比率：其中，qi表示第i,i＝1,2,...,n个可负载节点的负载，边缘节点ei首先根据设定的负载阈值τq来选择符合条件的可负载节点，然后再向这些可负载节点进行任务负载。